Resumen

Las estimaciones precisas pueden proporcionar una base sólida para la toma de decisiones y la formulación de políticas que han experimentado algún tipo de complicación e incertidumbre. En consecuencia, se propone un modelo de convolución gris multivariable (GMC (1, )) que tenga soluciones correctas para abordar problemas complicados e inciertos, en lugar del incorrecto modelo gris multivariable (GM (1, )). Sin embargo, el enfoque convencional para calcular los valores de fondo del modelo GMC (1, ) es inexacto, y no se puede esperar una precisión en la predicción de este modelo. Por lo tanto, se realiza un análisis de las desventajas del modelo GMC (1, ) con razonamiento matemático, que puede explicar por qué este modelo es inexacto en algunas aplicaciones. Con el fin de eliminar las desventajas, se propone un nuevo GMC (1, ) optimizado, abreviado como OGMC (1, ), cuyos valores de fondo se calculan en base a la regla de Simpson que puede aproximar eficientemente la integración de una función

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Preciso; Estimaciones; Modelo de convolución gris multivariable; Desventajas; Optimizado; Pronóstico.
• Keywords:Accurate; Estimations; Multivariable grey convolution model; Drawbacks; Optimized; Forecasting.